5.1 走近数据分析 知识点题库

（1） 李明在单元格G3使用公式“=F3/$F$10”计算手机占总利润百分比，并对区域G4:G9进行了自动填充，则G9单元格的公式是

（2） 李明想将编号这一列数据设计成“001，002，……，007”样式，可每次输入“001，002，……，007”样式后都自动变成了“1，2，……，7”，请给出一种解决方法

（3） 根据图2所示，9月份占总利润百分比最大的商品名称是

图2

（4） 将图2所示的图表以图片形式复制到Word文档中并设置了文字环绕方式，部分界面如图3所示，该图表环绕方式是（单选，填字母：A ．嵌入型/B ．四周型/C ．浮于文字上方/D ．紧密型）。

图3

（1） 为计算图a中各个年份入学的总人数，图图已正确计算了单元格I3中的数据。他希望将单元格I3中的公式向下自动填充至单元格I6，从而正确计算出区域I4:I6中的数据，则下列修改I3中的公式方法不可行的是（单选，填字母）。

（提示：SUMIF函数用于统计某个区域中满足条件的单元格数值之和，例=SUMIF(B3:B22,H3,D3:D22)，用于统计2017年各专业男生人数之和）

（2） 根据图a中数据制作的图表如图b所示，创建该图表的数据区域是B2,F2,。

（3） 在图a所示的工作表中对数据作进一步的数据处理，已知F列中的数据是通过在F3单元格中输入公式“=D3+E3”再向下自动填充至F22计算得到的。则下列说法正确的是     。（多选，填字母）

（1） J3单元格中显示的是参加“小学美术”职位的报考人数，利用J3单元格中的公式，对区域K3:L3进行自动填充，则K3单元格中的显示结果是( 单选， 填字母:A . #VALUE! / B . 0 / C . 7)。

(提示:公式“=COUNTIF(D3:D27,J2)”统计区域 D3:D27 中值等于J2的单元格个数，即参加“小学美术”职位的报考人数。)

（2） 若要正确计算各个职位报考人数，可先对J3单元格中的公式进行修改，再对区域K3:L3进行自动填充，则J3单元格中的公式应改为。

（3） 根据图a中数据制作的图表如图b所示，则制作该图表的数据区域是 。

图b

（4） 若对区域A2:G27中的数据以“报考职位”等于“小学音乐”，“笔试成绩”最大一项进行筛选，则筛选后显示的数据一定是报考职位为“小学音乐”中“笔试成绩”的最高分吗？（选填：是/否）。

（1） 区域F3:F167的数据是通过公式计算得到的，在F3单元格中输入公式，再使用自动填充功能完成区域F4:F167的计算。

（提示：活动价格（元）=重量（克）×黄金单价（元/克）×活动折扣+加工费（元））

 

（2） 根据图a中数据制作的图表如图b所示，创建该图表的数据区域是。

图 b

（3） 结合图a和图b，下列说法正确的有 _____________（多选，填字母）。

（1） 在M4单元格中使用AVERAGEIF函数计算2017年亚洲所有国家的平均入境人数，然后通过自动填充得到M5：M7的公式，则M4单元格中的公式为(提示：AVERAGEIF函数用于对区域中满足条件的单元格求平均。例如：= AVER-AGEIF(A4： A18，J4， E4： E18)表示2016年所有亚洲国家的人境人数平均数)

（2） 根据图a中数据制作的图表如图b所示，创建该图表的数据区域是：。

（3） 在图a所示的工作表中对数据作进一步操作，下列说法正确的是      (多选：填字母)

（1） 小明对数据进行了整理，下列操作不恰当的是（   ）（单选，填字母）。

（2） 小明发现数据中仍有极少量时间段外的记录混杂其中，利用Python 及pandas 模块进行处理。请回答问题：

① 采用pandas 模块中的（单选：填字母：A .Series / B .DataFrame）

数据结构存储全部数据会比较高效。

② 全部数据保存于变量df 中，为筛选出订单日期为2021 年第一季度内的所有记录，

可以执行Python 语句df1 =  ，则df1 中保存筛选结果。（单选，填字母。

提示：多条件筛选时，条件之间用“&”连接，表示需要同时满足这多个条件）

A．df[ (df['订单日期'] <= '2021-1-1' ) & (df ['订单日期'] <= '2021-3-31') ]

B．df [ (df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] >= '2021-3-31') ]

C．df [(df ['订单日期'] >= '2021-1-1') & (df ['订单日期'] <= '2021-3-31')]

（3） 经过以上两步处理之后，为了解“所在地市”第一季度“订购数量”前10 名的情况，

编写如下Python 程序段：

#数据整理结果保存于变量df1中，代码略

g = df1.groupby('所在地市', as_index = False).sum()

print           )

则划线处的代码可为（   ）（多选，填字母）

（4） 根据以上数据整理结果，小明对第一季度所在地市的“订购数量”进行可视化处理，如图b所示。

实现上述功能的Python程序部分代码如下：

#按“所在地市”对第一季度数据分组并求和，再按“订购数量”升序排序

#选取最后10条数据，存入变量s，代码略

import matplotlib.pyplot as plt

x = s['所在地市']

y =

plt.barh(x, y, color = 'r')

plt.show( )

程序中划线处代码应为。

（5） 小明借助大数据技术，对近几年来该网络购物平台的日用化妆品销售数据进行了分析。

应用该分析结果可能提供的数据服务是（列举一条即可）。